003002股票阿尔法策略
20170711-东方证券-衍生品系列研究之(六)：商品期货中的alpha策略
商品期货中的alpha策略
目录
一、研究方法 .................................................................................................................. 3
1.1 背景................................................................................................................................................. 3 1.2 品种选择 ........................................................................................................................................ 3 1.3 回测时间段选择 ............................................................................................................................ 5 1.4 合约选择 ........................................................................................................................................ 5 1.5 多空组合构建 ................................................................................................................................ 5 1.6 多头组合构建 ................................................................................................................................ 6
【精品报告】安信聚宽alphaT算法介绍
现在持仓成本
16.42
实际收益 超额收益
2
算法交易案例
3
算法基础信息
基于已持有底仓
算法基于已持有的股票持仓 配合日内算法，进行高抛低 吸，抓取股票的行情波动价 差。（底仓自身涨跌与算法 盈亏无关）
标的持仓数量不变
每日平仓，算法运行完毕后， 用户股票品种与数量不变。 （极端行情及用户手动操作 可能导致无法平仓。）
不负责选股、建仓
提供算法适用标的。以20200价量波动差异， 导致个股收益率的区别）
多方位完整风控
算法设置多维度风险控制，包 括算法引擎、独立风控模块双 重风控，以及全面的预警与紧 急处理机制等，保障算法稳定 运行。
4
体验
一步极简设置即可使用！
使 用 界 面
5
1
算法风控介绍
本资料提及的过往业绩并不预示其未来表现，并不构成该算法的业绩承诺及保证，请投资者认真阅读《风险揭示书》等相关内容。 6
交易机制设计
如何”挣风险相对确定的钱？“
秘诀一：开盘股票波动较大 大量交易情绪普遍在隔日早盘集中释放，此时股票波动比较大。 秘诀二：及时止损止盈 算法每笔运行时长一般不超过2分钟，尽可能以更少更确定的因素来精准抓取日内波动价差。 影响股价的因素越少，胜率越高。 秘诀三：分笔分摊风险 算法将委托市值分成多笔依次执行，以降低风险。
......
9
2
近期收益展示
本资料提及的过往业绩并不预示其未来表现，并不构成该算法的业绩承诺及保证，请投资者认真阅读《风险揭示书》等相关内容。 10
近期算法整体收益情况
2020/02/05-2020/03/09 *收益展示 均已扣除税费
近期每日 收益均在 0.13%以上
欧奈尔七步选股策略
欧奈尔七步选股策略欧奈尔七步选股策略：从简到繁的股票投资指南在股票投资领域，有许多不同的选股策略可供投资者选择。
其中，欧奈尔七步选股策略被广泛认可为一种有效且具有实践性的方法。
它通过综合考虑公司财务状况、行业前景和市场环境等因素，帮助投资者找到有潜力的个股。
本文将深入探讨这个主题，逐步引导您了解并运用欧奈尔七步选股策略。
第一步：确定自己的投资目标和风险承受能力在任何投资决策之前，首先要明确自己的投资目标和风险承受能力。
不同的人有不同的投资目标，例如长期投资、短期交易或者价值投资。
每个人的风险承受能力也是不同的，因此需要根据自己的情况来确定合适的投资目标和风险承受能力。
第二步：寻找具备竞争优势的公司欧奈尔七步选股策略强调寻找具备竞争优势的公司，因为这些公司通常更具有成长潜力和持续竞争力。
竞争优势可以从多个方面进行评估，例如公司的品牌价值、技术创新能力、市场份额等。
通过对公司竞争优势的评估，投资者可以缩小选股范围，更有针对性地选择个股。
第三步：研究公司的财务状况在选股过程中，必须对公司的财务状况进行深入研究。
这包括分析公司的盈利能力、成长潜力、资产负债表和现金流量。
通过对财务数据的分析，投资者可以了解公司的健康程度、盈利能力和财务风险。
这对于选择有潜力的个股至关重要。
第四步：分析所处行业的发展前景在选股过程中，需要对所投资的行业进行详细研究。
了解行业的发展前景，可以帮助投资者判断公司是否在一个具有成长前景的行业中。
行业分析包括对行业的市场规模、增长趋势、竞争格局和风险因素等的评估。
通过对行业前景的分析，投资者可以选择那些处于有利行业环境下的个股。
第五步：评估公司的管理层和治理结构公司的管理层和治理结构对于企业的长远发展和股东权益保护起到至关重要的作用。
在选股过程中，需要评估公司的管理层是否具备良好的领导能力和执行能力，以及公司的治理结构是否健全，是否有充分保障股东权益的制度。
这样可以提高投资者的信心，并确保其所投资的公司能够产生持续的增长。
阿尔法起步操作方法
阿尔法起步操作方法阿尔法起步操作方法大致可以分为以下几个步骤：1. 了解阿尔法概念：首先，需要了解阿尔法的定义和基本概念。
阿尔法通常指的是股票或其他投资资产相对于市场平均收益率表现出来的超额收益。
了解阿尔法是基本的前提。
2. 确定投资目标：在开始阿尔法操作之前，需要明确自己的投资目标和风险承受能力。
这将有助于制定相应的投资策略和追求适合自己的阿尔法。
3. 选择阿尔法操作策略：根据自己的投资目标和风险承受能力，选择合适的阿尔法操作策略。
常用的阿尔法操作策略包括价值投资、成长投资、技术分析和量化交易等。
了解各种操作策略的特点和适用场景，选择适合自己的策略。
4. 进行研究分析：在选择好操作策略之后，需要进行相关的研究分析。
这包括对投资标的进行基本面和技术面分析，寻找投资机会和判断市场走势等。
通过研究分析，可以提高投资决策的准确性和成功率。
5. 制定投资计划：根据研究分析的结果，制定详细的投资计划。
包括确定投资标的、买入和卖出的时机、投资金额、止盈和止损位等。
投资计划可以帮助投资者遵循既定的投资策略，减少盲目操作和情绪干扰。
6. 监控和调整：一旦开始操作，需要密切监控投资标的的走势和市场情况，及时进行调整。
在投资过程中，可能会遇到不确定的因素和变化，需要根据市场动态进行调整，保持投资策略的合理性和适应性。
总结起来，阿尔法起步操作方法包括了解阿尔法概念、确定投资目标、选择操作策略、进行研究分析、制定投资计划以及监控和调整。
通过系统性的操作方法，可以更好地追求阿尔法收益。
当然，阿尔法操作也需要充分的投资知识和经验，建议投资者在操作前进行充分的学习和培训。
阿尔法(ALPHA)策略
阿尔法 (ALPHA)策略Alpha策略是典型的对冲策略,通过构建相对价值策略来超越指数，然后通过指数期货或期权等风险管理工具来对冲系统性风险。
中性策略也是比较典型的对冲策略,通过构造股票多空组合减少对某些风险的暴露。
Alpha策略和中性策略在本质上差异最小，Alpha策略可以看成中性策略的一种。
但是Alpha策略的约束更小,其Alpha来源可能是行业的、风格的或者其他的；而中性策略则将更多无法把握的风险中性化了。
一、阿尔法(ALPHA)策略1.什么是阿尔法 (ALPHA)策略？投资者在市场交易中面临着系统性风险(β风险)和非系统性风险(α风险)，通过对系统性风险进行度量并将其分离，从而获取超额绝对收益的策略组合，即为阿尔法策略。
从广义上讲，获取阿尔法收益的投资策略有很多种，其中既包括传统的基本面分析选股策略、估值策略、固定收益策略等，也包括利用衍生工具对冲掉贝塔风险、获取阿尔法收益的可转移阿尔法策略。
2.阿尔法策略有哪些关键要素？Alpha策略的成败有两个关键要素：其一是现货组合的超额收益空间有多大；其二是交易成本的高低。
两者相抵的结果，才是Alpha策略可获得的利润空间。
在股市Alpha 策略中，最考验策略制定者水平的因素在于选股方法和能力。
阿尔法策略就是买入一组未来看好的股票，然后做空相应价值的期货合约，组合对冲掉系统性风险，组合的收益完全取决于投资者的选股能力，而与市场的涨跌无关，做到了市场中性。
3.阿尔法策略的优势？阿尔法策略有三大优势：一是回避了择时这一难题，仅需专注于选股；二是波动较单边买入持有策略要低；三是在单边下跌的市场下也能盈利，阿尔法与市场的相关性理论上为0。
在熊市或者盘整期，可以采用“现货多头＋期货空头”的方法，一方面建立能够获取超额收益的投资组合的多头头寸，另一方面建立股指期货的空头头寸以对冲现货组合的系统风险，从而获取正的绝对收益。
4.如何构建阿尔法策略？阿尔法策略所涉及的市场领域非常广泛，在股市、债市、商品市场等各类市场都有应用。
多因子量化模型简介
量化 vs 非量化 (有非量化吗?)
修正持久期是衡量价格对收益率变化的敏感度的指标。在市场利率水平发生一
定幅度波动时，修正久期越大的金融资产，价格波动越大。
金融资产的现行价格为所有各期未来现金流的现值的加总。
=
修正久期
,
×
− ∙
o 市场中的小市值、价值股表现明显超过市场，
而这一效应不能用CAPM模型解释
o 1981年，大卫·布斯和雷克斯·桑奎菲尔德成立
了维度投资顾问公司（Dimensional Fund
Advisors），买入小市值、估值低的股票，获
得了高额回报
o 1992年，尤金·法玛、肯尼斯·弗伦奇建立了三
因子模型，将资产回报分解为资产在市场风
27
翼丰股票组合与沪深300指数的Beta
在市场“正常状态”下，翼丰股票组合与沪深300指数的Beta为1.03。
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
700
600
500
400
300
200
100
0
-3
-2
-1
-0.5
0
频数
0.5
1
2
3
Beta
选取市场指数日收益率数据进行标准化，标准化后的日收益率描述了市场指数收益率偏离均值的程度。
模型
19
波动率投资：六因子模型
o 低波动率（或低beta）的股票实际回报高于高波动率（高beta）的股票，
这一现象不能用五因子模型解释
实例：杠杆收购交易、货币利差交易、“风险平价”投资
广发 多因子alpha系列 基于筹码分布的选股策略
广发多因子alpha系列基于筹码分布的选股策略广发多因子alpha系列基于筹码分布的选股策略在投资领域，选股策略一直是投资者们关注的焦点之一。
广发多因子alpha系列提出的基于筹码分布的选股策略，正是一种新颖而又实用的方法。
这一策略不仅能够帮助投资者找到具有潜在增长空间的个股，还能够在一定程度上规避风险，是一种有着广阔应用前景的方法。
在进行这一选股策略的评估时，我们需要从多个角度进行全面的分析。
我们需要理解并掌握广发多因子alpha系列的具体方法和原理。
我们需要对基于筹码分布的选股策略进行深入的研究和探讨，了解其在实际操作中的应用。
我们需要对此策略的优势和局限性进行客观的评价，并提出个人观点与建议。
1. 广发多因子alpha系列的方法和原理广发多因子alpha系列是基于广发基金多年的研究和实践经验，提出了一套包括风险因子、估值因子、成长因子等多种因子的选股模型。
这一模型综合了多个因子的影响，能够更全面地评估个股的投资价值，为投资者提供了更加科学的选股方法。
在这一多因子模型中，基于筹码分布的选股策略占据着重要的位置。
它通过分析股票持有者的成本价与市场价格的关系，来判断股票的操纵程度、筹码分布情况以及操纵者的进出时点。
这一策略强调了对市场情绪和资金流向的把握，从而更加准确地判断个股的投资价值。
2. 基于筹码分布的选股策略的实际应用基于筹码分布的选股策略并不是简单的理论模型，而是在实际操作中能够发挥作用的有效策略。
通过对该策略的实际应用案例进行研究，我们可以发现它在不同市场环境下都能够取得较好的效果。
在牛市中，基于筹码分布的选股策略能够帮助投资者捕捉到操纵力度较大的个股，从而获得更高的收益。
而在熊市中，该策略则能够帮助投资者规避风险，避免跟随市场情绪盲目操作，从而保持较好的资产状况。
这一策略的灵活性和稳健性使其在实际操作中能够适应不同的市场环境，为投资者带来更好的投资体验。
3. 优势和局限性然而，基于筹码分布的选股策略也并非完美无缺。
股票阿尔法策略
股票阿尔法策略
股票阿尔法策略是一种基于市场波动和投资者行为的策略，旨在获得
超过市场平均收益率的投资回报。
这种策略通常基于技术分析和基本面分析，通过利用股票价格和交易量以及公司业绩和前景等数据进行投资决策。
以下是股票阿尔法策略的一些关键点：
1.寻找市场波动的模式：股票阿尔法策略可以通过技术分析来寻找股
票价格的趋势和波动模式。
这些模式包括图表模式、价格走势的形态、交
易量等。
2.基本面分析：股票阿尔法策略也会关注公司的业绩和前景。
这包括
盈利能力、资产和负债状况、市场份额、竞争对手等因素。
这些因素可以
影响公司的股票价格和投资者的情绪，从而影响股票的表现。
3.挑选股票：通过技术和基本面分析，股票阿尔法策略可以挑选具有
潜在盈利机会的股票。
这些股票可能在短期或长期内都有良好的表现。
4.适时买卖：股票阿尔法策略也注重适时买卖。
在市场上，机会和变
故同时存在，投资者应当根据市场情况及时买入或卖出股票，避免被市场
利左右。
5.风险控制：股票阿尔法策略也注意风险控制，即通过分散投资和止
损等措施降低投资风险。
同时，还应对市场情况和交易风险进行灵活应对。
总之，股票阿尔法策略是市场上的一种高风险、高收益的投资策略，
投资者应在了解自身的风险承受能力和基本的分析方法以后谨慎选择。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
投 资 策 略 开 发 实 例
策略开发——策略运行配置全景展示
StrategyCfg.xml配置
<?xml version="1.0" encoding="utf-8"?>
<Strategy> <strategyFunction name="alpha"/> <strategyArguments rebalanceCycle="5" returnCalFrequency="TimeIntervals.DAY01"/> <FactorDataCfg dateListType="DateListType.Trading" localPath="localPath" periodType="PeriodType.StockTradingPeriod" tickerList="Stkcd_alpha.xml"/> <data decisionDataLength="60" fieldname="Rtn" frequency="TimeIntervals.DAY01"/> <data decisionDataLength="1" fieldname="CP" frequency="TimeIntervals.DAY01"/> <data decisionDataLength="60" fieldname="HS300Weight" frequency="TimeIntervals.DAY01"/> </Strategy>
标签strategyFunction（用途：用户编写的策略函数名称）： name填入策略函数名。 标签strategyArguments（用途：策略的参数配置）： rebalanceCycle：重平衡周期，策略回验时，每过rebalanceCycle根bar将进行一次投资决策，计算目 标目标持仓。Bar的大小取决于returnCalFrequency； returnCalFrequency：计算收益率的频率
第2页
策略背景——策略原理
在正常情况下，股票的α 不会长期持续不为0。这是因为一 只股票如果估值有偏差，那么在被人发现以后， 就会迅 速归零。股票一般不会总是被低估或者高估，它的α 有时
表现为正，有时表现为负，这也是为什么使用常规的方法
在市场中通常难以发现股票具有明显持续的。 本策略的实证对象为沪深300成分股和IF主力连续A，以 2013年1月4日至2013年5月15日为回验周期，利用过去 60天内对数收益率数据作为决策依据，对日频数据进行每
量 化 投 资 策 略 开 发 实 第8页 例
%StrategyCfg.xml名字可更换
策略开发——策略数据及缓存配置
StrategyCfg.xml配置
%StrategyCfg.xml名字可更换
<FactorDataCfg dateListType="DateListType.Trading" localPath=“localPath" periodType="PeriodType.StockTradingPeriod" tickerList="Stkcd.xml"/>
%Stkcd.xml名字可更换
<code ContractMultiplier="" Currency="CNY" MarginLevel="1" MaxShare=""
exchangeType="ExchangeType.SSE" id="000300" name="沪深300指数"/> <code ContractMultiplier="" Currency="CNY" MarginLevel="1" MaxShare="" exchangeType="ExchangeType.CFFEX" id="IF主力连续A" name="IF主力连续A"/> </Strategy>
量 化 投 资 策 略 开 发 实 例
第 7页
策略开发——函数名称及调仓配置
StrategyCfg.xml配置 <?xml version="1.0" encoding="utf-8"?> <Strategy> <strategyFunction name=“alpha"/> <strategyArguments rebalanceCycle="1“ returnCalFrequency="TimeIntervals.DAY01"/>
第 12 页
输出：
量 化 投 资 策 略 开 发 实 例
策略开发——数据提取
function [ portfolio, newStateMatrix ] = alpha( decisionData, stateMatrix ) %% 获取数据 rtn = decisionData.Rtn_DAY01.data; cp = decisionData.CP_DAY01.data; hs300weight = decisionData.HS300Weight_DAY01.data((find(... (decisionData.HS300Weight_DAY01.tickerList ~= 400501501) & ... (decisionData.HS300Weight_DAY01.tickerList ~= 101000142))),:); hs300Rtn = rtn((find(decisionData.Rtn_DAY01.tickerList ~= 400501501 & ... decisionData.Rtn_DAY01.tickerList ~= 101000142)),:); %股指期货60日收益率数据 indexRtn = rtn((find(decisionData.Rtn_DAY01.tickerList == 101000142)),:); %沪深300指数60日收益率数据 ifRtn = rtn((find(decisionData.Rtn_DAY01.tickerList == 400501501)),:); hs300CP = cp((find(decisionData.CP_DAY01.tickerList ~= 400501501 & ... decisionData.CP_DAY01.tickerList ~= 101000142)),:); ifCP = cp((find(decisionData.CP_DAY01.tickerList == 400501501)),:); [contractList] = FactorBase.getTradingContractByTypeId(501,fix(decisionData.time(end)),fix(decisionData.time(en d))); 量 logicMat = 化 getDataByTime('mainContinousContract',fix(decisionData.time(end)),fix(decisionData.time(end)), 投 资 contractList); 策 略 logic_new = contractList(logicMat==1);
每个code标签下，ContractMultiplier、Currency、MarginLevel、MaxShare、为实时交易部分配 置，历史回验设置无效。 市场类型枚举 ContractMultiplier：合约乘数 深圳证券交易所 SZSE Currency：货币种类 上海证券交易所 SSE 量 MarginLevel：交易保证金比例 香港联合交易所 HKEX 化 MaxShare：当前合约的最大持仓量 exchangeType 表示市场类型枚举 id:交易标的代码 CFFEX ZCE DCE SHFE 中国金融期货交易所 郑州期货交易所 大连期货交易所 上海期货交易所
补偿，所以一种证券的预期收益率主要由其β值决定：β值越高的证
券，预期收益越高，β值越低的证券预期收益就越低。但是本节就将
展示如何构建股票投资的α 策略。在市场的有效性不足的情况下， 部分投资者可以通过消息渠道上的优势和管理技巧等，获得一定的 超额收益，这部分收益成为α 收益。
量 化 投 资 策 略 开 发 实 例
标签FactorDataCfg（用途：策略的时间及标的配置） dateListType：表示日期类型：Trading，交易日；Working，工作日； localPath：本地Mat缓存文件的存储路径（绝对路径），Matlab中，pwd表示当前的工作空间路径； periodType：交易时间配置信息； tickerList：表示读取的证券代码列表，可以是定义交易标的的xml文件路径名称，也可以是板块，支持 的板块列表有：
量 化 投 资 策 略 开 发 实 第9页 例
(’AllAStock,’SHA’,’SZA’,’AllBStock’,’SHB’,’SZB’,’HS300’）
策略开发——策略数据配置
<data decisionDataLength="60" fieldname="Rtn" frequency="TimeIntervals.DAY01"/> <data decisionDataLength="1" fieldname="CP" frequency="TimeIntervals.DAY01"/> <data decisionDataLength="60" fieldname="HS300Weight" frequency="TimeIntervals.DAY01"/> </Strategy>